CN114550452A - 一种道路网结构问题位置识别方法、装置和电子设备 - Google Patents
一种道路网结构问题位置识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114550452A CN114550452A CN202210162682.0A CN202210162682A CN114550452A CN 114550452 A CN114550452 A CN 114550452A CN 202210162682 A CN202210162682 A CN 202210162682A CN 114550452 A CN114550452 A CN 114550452A
- Authority
- CN
- China
- Prior art keywords
- intersection
- road
- nodes
- node
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种道路网结构问题位置识别方法、装置和电子设备,该方法包括:获取目标区域内的矢量地图,并基于矢量地图中的道路线段交叉点识别目标区域内的路口节点;计算各个路口节点的位阶差,位阶差是路口节点所连接道路的最大位阶与最小位阶的差值,位阶基于道路的车道数量和车道限速值生成,用于表征道路类型;从全部路口节点中筛选位阶差在预设范围内的目标路口节点,以使目标路口节点表征道路网结构问题位置。本发明提供的技术方案,实现了目前道路网结构问题的准确数字化识别和评价,并可以精准定位道路网结构问题的位置,可用于深入洞察道路网的症结和制约因素,更好助力于道路交通的治理和发展。
Description
技术领域
本发明涉及图像识别领域,具体涉及一种道路网结构问题位置识别方法、装置和电子设备。
背景技术
随着轨道交通的不断发展,城市公路越来越多,由城市公路组成了道路网。近年来,在公共交通的工作中发现,由于道路网结构不好会导致交通事故多发、拥堵多发、违法多发等缺陷情况。但是如何找到对应的结构问题位置,从而对结构问题位置进一步统一调整,一直以来没有好的识别方法。因此如何对道路网缺陷的位置进行准确识别,是亟待解决的问题。
发明内容
有鉴于此,本发明实施方式提供了一种道路网结构问题位置识别方法、装置和电子设备,从而实现了道路网结构问题位置的准确识别。
根据第一方面,本发明提供了一种道路网结构问题位置识别方法,所述方法包括:获取目标区域内的矢量地图,并基于所述矢量地图中的道路线段交叉点识别目标区域内的路口节点;计算各个路口节点的位阶差,所述位阶差是所述路口节点所连接道路的最大位阶与最小位阶的差值,所述位阶基于道路的车道数量和车道限速值生成,用于表征道路类型;从所述全部路口节点中筛选所述位阶差在预设范围内的目标路口节点,以使所述目标路口节点表征所述道路网结构问题位置。
可选地,所述基于所述矢量地图中的道路线段交叉点识别目标区域内的路口节点,包括:遍历统计所述矢量地图中的道路线段交叉点的连接道路数量,若当前道路线段交叉点连接的道路数量大于2,则将所述当前道路线段交叉点作为一个路口节点。
可选地,在所述计算各个路口节点的位阶差之前,所述方法还包括:遍历判断各个路口节点所连接的道路线段中是否包括辅路属性的道路线段;若当前路口节点所连接的道路线段中包括辅路属性的道路线段,则统计当前路口节点剔除所述辅路属性的道路线段后,剩余连接的道路线段数量;若所述剩余连接的道路线段数量不大于2,则剔除所述当前路口节点。
可选地,在所述计算各个路口节点的位阶差之前,所述方法还包括:两两遍历判断两个路口节点之间是否仅有一条道路线段连接;若当前两个路口节点之间仅有一条道路线段连接,则判断当前两个路口节点之间的道路线段长度是否小于预设阈值;若小于预设阈值,则将当前两个路口节点合并为一个路口节点。
可选地,在所述计算各个路口节点的位阶差之前,所述方法还包括:遍历判断各个路口节点所连接的道路线段中是否包括提前右转属性的道路线段;若当前路口节点所连接的道路线段中包括提前右转属性的道路线段,则剔除所述当前路口节点。
可选地,所述方法还包括:两两遍历判断快速路属性的道路线段中两个相邻的路口节点之间的距离是否达到预设距离,所述预设距离基于所述快速路属性的道路线段的限速值确定;若快速路属性的道路线段中当前两个相邻的路口节点之间的距离未达到所述预设距离,则将所述当前两个相邻的路口节点标记为所述目标路口节点。
可选地,所述方法还包括:遍历判断各个路口节点是否连接有位阶在第二预设范围的道路线段;若当前路口节点连接有位阶在第二预设范围的道路线段,则判断所述当前路口节点在所述矢量地图中是否标有信号灯属性;若所述当前路口节点在所述矢量地图中未标有信号灯属性,则将所述当前路口节点标记为所述目标路口节点。
可选地,所述方法还包括:基于路口节点所连接的道路线段数量和道路线段之间的夹角遍历识别各个所述路口节点的路口类型;若当前路口节点的路口类型与预设事故高发路口类型相匹配,则将所述当前路口节点作为所述目标路口节点。
可选地,所述方法还包括:获取所述矢量地图在预设范围内的路口节点数量和道路线段数量;计算所述道路线段数量和路口节点数量的比值,以表征所述预设范围内道路结构的通达度。
可选地,所述方法还包括:从矢量地图中获取只连接一条道路线段的节点;从所述只连接一条道路线段的节点中剔除连接到预设场所的节点,并将剩下的节点作为断头路节点。
根据第二方面,本发明提供了一种道路网结构问题位置识别装置,所述装置包括:路口节点识别模块,用于获取目标区域内的矢量地图,并基于所述矢量地图中的道路线段交叉点识别目标区域内的路口节点;位阶差计算模块,用于计算各个路口节点的位阶差,所述位阶差是所述路口节点所连接道路的最大位阶与最小位阶的差值,所述位阶基于道路的车道数量和车道限速值生成,用于表征道路类型;路口节点筛选模块,用于从所述全部路口节点中筛选所述位阶差在预设范围内的目标路口节点,以使所述目标路口节点表征所述道路网结构问题位置。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
本申请提供的技术方案,具有如下优点:
本申请提供的技术方案,基于历年的事故数据分析,事故较多、违法较多等道路网结构问题位置通常集中在车道较多、车速较快的宽马路与乡间或城市老旧等窄马路的交口处。本发明实施方式,基于目标区域内的矢量地图获取道路线段之间的交叉点,进而识别出其中是实际道路路口的路口节点。然后根据基于道路的车道数量和车道限速值生成的,用于表征道路类型的位阶,计算各个路口节点的位阶差。若某些路口节点的位阶差过大,则表征该路口节点是快速路等宽马路和城市老旧路或乡村小路等窄马路的交口。从而准确识别出目标区域内的多个道路网结构问题位置,以便于相关部门后续进行统一的改善工作。
此外,在一实施方式中,在计算位阶差之前还基于路口节点所连接的道路线段数量、路口节点是否连接辅路道路、路口节点是否连接提前右转道路和路口节点之间的距离对路口节点进行筛选与合并,将其中实际不是路口的路口节点进行剔除,进一步提高事故多发、违法多发等情况的结构问题位置判别准确率。另外,识别路口节点表征的路口类型,与历史的路口类型事故数据相挂钩,从而进一步识别道路网结构问题位置,提高道路网结构问题位置判别的准确率。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明一个实施方式中一种道路网结构问题位置识别方法的步骤示意图;
图2示出了本发明一个实施方式中一种位阶差较大的路口示例图;
图3示出了本发明一个实施方式中一种辅路属性线段的示例图;
图4示出了本发明一个实施方式中一种辅路出入口的示例图;
图5示出了本发明一个实施方式中一种提前右转路口的示例图;
图6示出了本发明一个实施方式中一种快速路路口合规标准的示例图;
图7示出了本发明一个实施方式中一种路口类型与事故发生概率的关系示例图;
图8示出了本发明一个实施方式中一种路口类型标准的示例图;
图9示出了本发明一个实施方式中一种道路网结构问题位置识别装置的结构示意图;
图10示出了本发明一个实施方式中一种电子设备的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
请参阅图1,在一个实施方式中,一种道路网结构问题位置识别方法,具体包括以下步骤:
步骤S101:获取目标区域内的矢量地图,并基于矢量地图中的道路线段交叉点识别目标区域内的路口节点。
步骤S102:计算各个路口节点的位阶差,位阶差是路口节点所连接道路的最大位阶与最小位阶的差值,位阶基于道路的车道数量和车道限速值生成,用于表征道路类型。
步骤S103:从全部路口节点中筛选位阶差在预设范围内的目标路口节点,以使目标路口节点表征道路网结构问题位置。
具体地,本发明基于多年的道路历史数据分析,发现道路网结构不好,会导致交通事故多发。有些道路条件不好的路段,其交通事故率会比一般的路段更多,本实施例提出的“位阶差较大路口”指的是不同位阶值的道路,如图2所示,例如某城市主干道(车道很多,车流很大,速度很快,该道路定义位阶值为1),和一条小巷子(行人电动车多,速度慢,该道路定义位阶值为8)。若两条路直接相交,位阶差即为8-1=7。
本实施例为了获取目标区域内全部位阶差较大的路口,从而基于目标区域的矢量地图进行识别。首先,可通过现有技术中的图像检测算法,对城市卫星遥感影像进行识别,识别出哪些区域是城市建成区。然后获取建成区内的道路网电子矢量地图(例如百度地图、高德地图等用于导航的地图图层,即各种基础点位及线段)进行识别。本实施例首先提取矢量地图中的道路线段交叉点,由于道路线段的节点存在断头路的可能,因此提取道路线段的交叉点即自动剔除了实际道路中的断头路节点。之后基于交叉点进一步分析哪些交叉点是实际的路口节点。针对经过筛选的道路节点,计算该路口的位阶差,在本实施例中,位阶差定义为路口节点所连接道路的最大位阶与最小位阶的差值,例如某个路口节点连接了5条道路线段,这5条道路线段分别表示不同类型的道路,其中位阶差用于表征道路最宽、限速最高的道路位阶与道路最窄、限速最低的位阶之间的差值。
在本实施例中,道路位阶的定义如下表所示:
表1.道路位阶示意表
之后,遍历计算各个路口节点的位阶差,并从中筛选出位阶差在预设范围内的路口节点,例如:本实施例定义位阶差的预设范围是[3,7]。若任意路口节点的位阶差在上述范围之内,则认为该路口节点是由不合理的宽路和窄路构成的路口,由窄路出现的车辆或行人,极易被宽路上高速行驶的车辆碰撞,因此该路口节点表征的位置是极易发生交通事故的。最后,将筛选出的全部节点作为表征道路网结构问题位置的目标路口节点进行上报,从而实现了准确识别道路网结构问题位置的目的。在本实施例中,道路位阶的识别步骤具体如下:
1.若道路线段为双向可通行道路或未识别方向(默认双向可通行)道路,即非物理隔离道路,直接读取矢量地图道路属性中的车道总数。
2.若路口道路线段为上下线分离道路(例如一条主路和一条辅路),则将两条道路的车道数加和。
3.若从矢量地图中识别出同一方向只有一条道路且为单向路,则真实道路车道数为该单向道路车道数乘以2。
之后,基于车道数查询上述表1,得到对应的道路位阶。
具体地,在一实施例中,上述步骤S101,具体包括如下步骤:
步骤一:遍历统计矢量地图中的道路线段交叉点的连接道路数量,若当前道路线段交叉点连接的道路数量大于2,则将当前道路线段交叉点作为一个路口节点。
具体地,在本实施例中,首先确定道路节点连接道路线段的数量,需大于等于3条,若某交叉点只连接两条道路线段,说明该节点是个道路拐弯处,并不是路口。本步骤剔除掉部分不属于路口的节点,减少后续道路网结构问题位置的识别计算量,同时提高了识别效率和识别准确率。此外,一个路口内可能有很多节点。从地图角度来看,辅路是一条线,主路也是一条线,那么与其他道路相交时就会有两个相交的节点产生,本质上这是一个路口,因此本实施例选取主点代表整个路口。
具体地,如图3和图4所示,在一实施例中,上述步骤S102之前,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤二:遍历判断各个路口节点所连接的道路线段中是否包括辅路属性的道路线段。
步骤三:若当前路口节点所连接的道路线段中包括辅路属性的道路线段,则统计当前路口节点剔除辅路属性的道路线段后,剩余连接的道路线段数量。
步骤四:若剩余连接的道路线段数量不大于2,则剔除当前路口节点。
具体地,通常主路和辅路之间的出入口以及分流、合流的辅路口,不属于路口,针对上述节点,本实施例首先根据矢量地图中的道路线段名称,判断各个路口节点是否连接有辅路属性的道路线段(例如矢量地图中辅路的名称后均带有标识0a),若某路口节点存在辅路属性的道路线段则将该线段剔除,之后判断该路口节点连接的道路线段数量是否大于2,若不大于2则表明该节点实际就是一条连通主路上的辅路口,不连接其他道路,不是真正的路口,因此删除该路口节点。为后续道路网结构问题位置的识别去除冗余数据,提高识别效率和准确率。
具体地,在一实施例中,上述步骤S102之前,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤五:两两遍历判断两个路口节点之间是否仅有一条道路线段连接。
步骤六:若当前两个路口节点之间仅有一条道路线段连接,则判断当前两个路口节点之间的道路线段长度是否小于预设阈值。
步骤七:若小于预设阈值,则将当前两个路口节点合并为一个路口节点。
具体地,在本实施例中,为了进一步去除冗余数据,从而进行路口节点的合并,本实施例针对目前筛选出的路口节点,判断两个节点间是否具有惟一相连道路,且道路线段距离小于预设阈值(例如表征40米的阈值大小),如果上述条件均满足是,则考虑两节点距离过近,从而识别成一个路口,以匹配实际场景中存在很多宽大路口,其本身很宽阔,节点较分散,如果不合并则会出现一个大路口被分割识别成两个路口的现象。本实施例中,以下特殊情况不进行路口节点的合并:①路口节点连接了位阶为8的道路,且去掉位阶为8的道路后该路口节点仅连接了2条道路线段;②两个节点间是通过位阶为8的道路线段进行连接。
在地图语言中,参考表1,位阶为8的道路用于表征最低级的道路,一般是小区的开口或者是小区内部道路、停车场的开口道路等,这种道路通常不允许车流随意通行,因此本实施例中不以此类道路作为城市道路,在判定该路口节点是否是路口时把8级路去掉。假设去掉之后,该路口节点仅连接2条道路线段,则证明这个当前位置不属于路口范畴,而属于道路开口(类似于小区开口的概念),因此不宜进行节点合并。
具体地,如图5所示,在一实施例中,上述步骤S102之前,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤八:遍历判断各个路口节点所连接的道路线段中是否包括提前右转属性的道路线段。
步骤九:若当前路口节点所连接的道路线段中包括提前右转属性的道路线段,则剔除当前路口节点。
具体地,提前右转属性的道路线段所连接的节点为提前右转路口,此类路口节点并不是实际的主要车道交叉路口,此类路口之间由提前右转车道线段进行连接,基于上述步骤五至步骤七,大部分节点已被合并,但是存在少部分未被合并的情况,因此基于本步骤,将路口节点所连接的道路线段中包括提前右转属性的道路线段对应的路口节点剔除,进一步减少冗余数据。
具体地,如图6所示,在一实施例中,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤十:两两遍历判断快速路属性的道路线段中两个相邻的路口节点之间的距离是否达到预设距离,预设距离基于快速路属性的道路线段的限速值确定。
步骤十一:若快速路属性的道路线段中当前两个相邻的路口节点之间的距离未达到预设距离,则将当前两个相邻的路口节点标记为目标路口节点。
具体地,首先对矢量地图中快速路属性的道路线段进行出入口节点识别筛选。判断任意路口节点是否包括其中一条道路线段属性包含IC属性或JCT属性(IC为平面交叉点,即普通道路与高速道路的连接点;JCT为属性变化点即两条不同属性(道路名不同)的高速的直接连接点),若包括则认为此道路节点为快速公路出入口点。之后再基于矢量地图中出入口的点位编号,确定该路口是终点的点位编号还是起点的点位编号,从而确定该路口是出口还是入口,如果道路线段属性在矢量地图的标记中包含服务区,需将此点剔除。
之后针对道路线段中的任意两个相邻的路口节点,判断其之间的距离是否达到预设距离(需根据实际情况设定,不同的快速路,根据道路限速值其出口与出口、出口与入口、入口与入口之间的距离要求不同)。若未达到预设距离,表征两个路口的位置较近,容易由于上下车道的车辆车速过快,以使正常行驶的车辆发现上下道车辆不及时,从而发生交通事故。因此将未达到预设距离的两个相邻的路口节点标记为目标路口节点。
具体地,在一实施例中,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤十二:遍历判断各个路口节点是否连接有位阶在第二预设范围的道路线段。
步骤十三:若当前路口节点连接有位阶在第二预设范围的道路线段,则判断当前路口节点在矢量地图中是否标有信号灯属性。
步骤十四:若当前路口节点在矢量地图中未标有信号灯属性,则将当前路口节点标记为目标路口节点。
具体地,在本实施例中,除了基于位阶差判别道路网结构问题位置外,本实施例还判断各个路口节点是否连接有位阶在第二预设范围的道路线段,例如某个路口节点所连接的道路线段的最大位阶和最小位阶分别是2和1,其位阶差为1,虽然位阶差很小,但是该路口属于大路口,通常车速较快,若没有信号灯则容易引发交通事故。因此,在本实施例中,若路口节点连接的任意道路线段的位阶范围在第二预设范围——本实施例设为1-4之间,则判断该该路口节点是否在矢量地图上标有信号灯属性,若未标有则表明该路口没有设置信号灯,具有事故高发特征,因此将该路口节点标记为目标路口节点。
具体地,在一实施例中,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤十五:基于路口节点所连接的道路线段数量和道路线段之间的夹角遍历识别各个路口节点的路口类型。
步骤十六:若当前路口节点的路口类型与预设事故高发路口类型相匹配,则将当前路口节点作为目标路口节点。
具体地,如图7所示,结合历史事故高发数据,分析得到事故高发与路口类型密切相关。如图8所示,是本实施例中路口类型的标准图。从而在本实施例中,根据在矢量地图中,根据路口节点的所连接的道路线段数量先判断当前路口是十字路口、Y型路口还是多路交叉口等路口大类,之后基于道路线段之间的夹角遍历识别各个路口节点的具体路口类型。需要注意的是,在本实施例中,位阶在8以下的乡间小路、特殊区域内部道路不在路口类型判定范围之内。若当前路口节点满足事故高发路口的类型,则将当前路口节点标记为目标路口节点。从而进一步提高了道路网结构问题位置的识别准确度。
在一实施例中,为了进一步提高道路网结构问题位置的识别准确度,还进行了开口型识别,具体步骤如下:
步骤十七:若当前路口节点连接的任意一条道路线段的另一端连接到预设区域,则判断当前路口节点为开口节点。
具体地,目前交通部门定义的路口是例如十字路口、丁字路口等各个方向都能运行城市交通的位置。而开口是指小区、停车场、单位的出入口,不是任何人可以随便进出的位置。因此,若当前路口节点连接的任意一条道路线段的另一端连接到满足上述条件的小区等预设区域,该路口节点被判定为开口节点。本实施例基于开口和路口,设置不同的位阶差所满足的预设范围,例如开口位置由于视线不好更容易引发交通事故,因此开口节点的位阶差的预设范围相比路口节点的位阶差预设范围更小,以满足不同的道路网结构问题位置的要求,提高道路网结构问题位置的识别准确度。
在一实施例中,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤十八:获取所述矢量地图在预设范围内的路口节点数量和道路线段数量。
步骤十九:计算所述道路线段数量和路口节点数量的比值,以表征所述预设范围内道路结构的通达度。
具体地,本发明实施例提供的道路网结构问题位置识别方法,还进行了连通度的计算。在本实施例中,获取目标区域任意范围内的路口节点数量和道路线段数量,通过计算道路线段数量和路口节点数量的比值,得到目标区域任意范围内的连通度,从而衡量目标区域内道路网的通达程度,连通度越高,目标区域内的道路网结构越好,从而目标区域内的交通越便利。基于连通度从而进一步确定道路网的合理性,辅助道路规划人员对目标区域内道路网结构进行准确的设置和调整。且在本实施例中,矢量地图中名称相同且角度相差在45度以内;两条道路都没有名称,且角度相差在20度以内的。若符合以上原则,则合并为一条道路,计算一个连通度。辅路参与连通度计算原则:判断辅路名称是否与主路名称一致,如果一致,则不纳入计算;如果辅路没有名称或名称不一致,再考虑辅路道路等级是否与路口最高路道路等级一致,如果一致,则纳入连通度计算。
在一实施例中,本发明实施例提供的一种道路网结构问题位置识别方法,还包括如下步骤:
步骤二十:从矢量地图中获取只连接一条道路线段的节点。
步骤二十一:从所述只连接一条道路线段的节点中剔除连接到预设场所的节点,并将剩下的节点作为断头路节点。
具体地,在本实施例中,还进一步对断头路进行了准确识别,首先获取只连接了一条道路线段的节点,但是该部分节点中可能包括一部分节点连接到了一些学校、公司、机关单位、超市等预设场所,若某些节点连接到了预设场所则该节点不能被判定为断头路,从而将连接到预设场所的节点从只连接了一条道路线段的节点中剔除,即在矢量地图中判断断头路id和某一个或几个预设场所的道路线段id是否一致,如果有则删除该断头路,如果没有,则确定为断头路。此外在本实施例中,区域内道路、停车位引导路和停车场出入口连接路不认定为断头路。基于上述步骤,进一步保证断头路的准确识别,从而完善道路网结构问题位置的识别结果,保证后续道路调整的准确率。
通过上述步骤,本申请提供的技术方案,基于历年的事故数据分析,事故多发、违法多发等结构问题位置通常集中在车道较多、车速较快的宽马路与乡间或城市老旧等窄马路的交口处。本发明实施方式,基于目标区域内的矢量地图获取道路线段之间的交叉点,进而识别出其中是实际道路路口的路口节点。然后根据基于道路的车道数量和车道限速值生成的,用于表征道路类型的位阶,计算各个路口节点的位阶差。若某些路口节点的位阶差过大,则表征该路口节点是快速路等宽马路和城市老旧路或乡村小路等窄马路的交口。从而准确识别出目标区域内的多个道路网结构问题位置,以便于相关部门后续进行统一的改善工作。
此外,在一实施方式中,在计算位阶差之前还基于路口节点所连接的道路线段数量、路口节点是否连接辅路道路、路口节点是否连接提前右转道路和路口节点之间的距离对路口节点进行筛选与合并,将其中实际不是路口的路口节点进行剔除,进一步提高道路网结构问题位置判别的准确率。另外,识别路口节点表征的路口类型,与历史的路口类型事故数据相挂钩,从而进一步识别道路网结构问题位置,提高道路网结构问题位置判别的准确率。
如图9所示,本实施例还提供了一种道路网结构问题位置识别装置,该装置包括:
路口节点识别模块101,用于获取目标区域内的矢量地图,并基于矢量地图中的道路线段交叉点识别目标区域内的路口节点。详细内容参见上述方法实施例中步骤S101的相关描述,在此不再进行赘述。
位阶差计算模块102,用于计算各个路口节点的位阶差,位阶差是路口节点所连接道路的最大位阶与最小位阶的差值,位阶基于道路的车道数量和车道限速值生成,用于表征道路类型。详细内容参见上述方法实施例中步骤S102的相关描述,在此不再进行赘述。
路口节点筛选模块103,用于从全部路口节点中筛选位阶差在预设范围内的目标路口节点,以使所述目标路口节点表征所述道路网结构问题位置。详细内容参见上述方法实施例中步骤S103的相关描述,在此不再进行赘述。
本发明实施例提供的一种道路网结构问题位置识别装置,用于执行上述实施例提供的一种道路网结构问题位置识别方法,其实现方式与原理相同,详细内容参见上述方法实施例的相关描述,不再赘述。
通过上述各个组成部分的协同合作,本申请提供的技术方案,基于历年的事故数据分析,道路网结构问题位置通常集中在车道较多、车速较快的宽马路与乡间或城市老旧等窄马路的交口处。本发明实施方式,基于目标区域内的矢量地图获取道路线段之间的交叉点,进而识别出其中是实际道路路口的路口节点。然后根据基于道路的车道数量和车道限速值生成的,用于表征道路类型的位阶,计算各个路口节点的位阶差。若某些路口节点的位阶差过大,则表征该路口节点是快速路等宽马路和城市老旧路或乡村小路等窄马路的交口。从而准确识别出目标区域内的多个道路网结构问题位置,以便于相关部门后续进行统一的改善工作。
此外,在一实施方式中,在计算位阶差之前还基于路口节点所连接的道路线段数量、路口节点是否连接辅路道路、路口节点是否连接提前右转道路和路口节点之间的距离对路口节点进行筛选与合并,将其中实际不是路口的路口节点进行剔除,进一步提高道路网结构问题位置判别的准确率。另外,识别路口节点表征的路口类型,与历史的路口类型事故数据相挂钩,从而进一步识别道路网结构问题位置,提高道路网结构问题位置判别的准确率。
图10示出了本发明实施例的一种电子设备,该设备包括处理器901和存储器902,可以通过总线或者其他方式连接,图10中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,实现的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (13)
1.一种道路网结构问题位置识别方法,其特征在于,所述方法包括:
获取目标区域内的矢量地图,并基于所述矢量地图中的道路线段交叉点识别目标区域内的路口节点;
计算各个路口节点的位阶差,所述位阶差是所述路口节点所连接道路的最大位阶与最小位阶的差值,所述位阶基于道路的车道数量和车道限速值生成,用于表征道路类型;
从全部路口节点中筛选所述位阶差在预设范围内的目标路口节点,以使所述目标路口节点表征所述道路网结构问题位置。
2.根据权利要求1所述的方法,其特征在于,所述基于所述矢量地图中的道路线段交叉点识别目标区域内的路口节点,包括:
遍历统计所述矢量地图中的道路线段交叉点的连接道路数量,若当前道路线段交叉点连接的道路数量大于2,则将所述当前道路线段交叉点作为一个路口节点。
3.根据权利要求2所述的方法,其特征在于,在所述计算各个路口节点的位阶差之前,所述方法还包括:
遍历判断各个路口节点所连接的道路线段中是否包括辅路属性的道路线段;
若当前路口节点所连接的道路线段中包括辅路属性的道路线段,则统计当前路口节点剔除所述辅路属性的道路线段后,剩余连接的道路线段数量;
若所述剩余连接的道路线段数量不大于2,则剔除所述当前路口节点。
4.根据权利要求2所述的方法,其特征在于,在所述计算各个路口节点的位阶差之前,所述方法还包括:
两两遍历判断两个路口节点之间是否仅有一条道路线段连接;
若当前两个路口节点之间仅有一条道路线段连接,则判断当前两个路口节点之间的道路线段长度是否小于预设阈值;
若小于预设阈值,则将当前两个路口节点合并为一个路口节点。
5.根据权利要求4所述的方法,其特征在于,在所述计算各个路口节点的位阶差之前,所述方法还包括:
遍历判断各个路口节点所连接的道路线段中是否包括提前右转属性的道路线段;
若当前路口节点所连接的道路线段中包括提前右转属性的道路线段,则剔除所述当前路口节点。
6.根据权利要求2所述的方法,其特征在于,所述方法还包括:
两两遍历判断快速路属性的道路线段中两个相邻的路口节点之间的距离是否达到预设距离,所述预设距离基于所述快速路属性的道路线段的限速值确定;
若快速路属性的道路线段中当前两个相邻的路口节点之间的距离未达到所述预设距离,则将所述当前两个相邻的路口节点标记为所述目标路口节点。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
遍历判断各个路口节点是否连接有位阶在第二预设范围的道路线段;
若当前路口节点连接有位阶在第二预设范围的道路线段,则判断所述当前路口节点在所述矢量地图中是否标有信号灯属性;
若所述当前路口节点在所述矢量地图中未标有信号灯属性,则将所述当前路口节点标记为所述目标路口节点。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于路口节点所连接的道路线段数量和道路线段之间的夹角遍历识别各个所述路口节点的路口类型;
若当前路口节点的路口类型与预设事故高发路口类型相匹配,则将所述当前路口节点作为所述目标路口节点。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述矢量地图在预设范围内的路口节点数量和道路线段数量;
计算所述道路线段数量和路口节点数量的比值,以表征所述预设范围内道路结构的通达度。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从矢量地图中获取只连接一条道路线段的节点;
从所述只连接一条道路线段的节点中剔除连接到预设场所的节点,并将剩下的节点作为断头路节点。
11.一种道路网结构问题位置识别装置,其特征在于,所述装置包括:
路口节点识别模块,用于获取目标区域内的矢量地图,并基于所述矢量地图中的道路线段交叉点识别目标区域内的路口节点;
位阶差计算模块,用于计算各个路口节点的位阶差,所述位阶差是所述路口节点所连接道路的最大位阶与最小位阶的差值,所述位阶基于道路的车道数量和车道限速值生成,用于表征道路类型;
路口节点筛选模块,用于从全部路口节点中筛选所述位阶差在预设范围内的目标路口节点,以使所述目标路口节点表征所述道路网结构问题位置。
12.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1-10任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机从而执行如权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210162682.0A CN114550452B (zh) | 2022-02-22 | 2022-02-22 | 一种道路网结构问题位置识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210162682.0A CN114550452B (zh) | 2022-02-22 | 2022-02-22 | 一种道路网结构问题位置识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114550452A true CN114550452A (zh) | 2022-05-27 |
CN114550452B CN114550452B (zh) | 2023-05-23 |
Family
ID=81677901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210162682.0A Active CN114550452B (zh) | 2022-02-22 | 2022-02-22 | 一种道路网结构问题位置识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550452B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198058A (zh) * | 2023-11-01 | 2023-12-08 | 合肥师范学院 | 一种基于遥感影像的道路交通智能监管系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005182646A (ja) * | 2003-12-22 | 2005-07-07 | Yagi Corporation Kk | 道路構造物の管理システム |
US20130290400A1 (en) * | 2011-01-18 | 2013-10-31 | Google Inc. | Constructing an Integrated Road Network |
CN104077326A (zh) * | 2013-03-29 | 2014-10-01 | 北京图盟科技有限公司 | 一种道路数据的处理方法及装置 |
CN104464321A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于交通运行指数发展态势的智能交通诱导方法 |
CN110136435A (zh) * | 2019-04-17 | 2019-08-16 | 青岛大学 | 一种多感染阈值、多传播并存的拥堵网络化传播模型 |
CN111064817A (zh) * | 2019-12-13 | 2020-04-24 | 罗向阳 | 一种基于节点排序的城市级ip定位方法 |
CN111613050A (zh) * | 2019-02-26 | 2020-09-01 | 阿里巴巴集团控股有限公司 | 道路数据处理方法、装置、设备及存储介质 |
CN112580984A (zh) * | 2020-12-22 | 2021-03-30 | 北京世纪高通科技有限公司 | 一种路网分布评估方法、装置及存储介质 |
CN113160546A (zh) * | 2020-01-22 | 2021-07-23 | 阿里巴巴集团控股有限公司 | 一种危险路段的识别方法及装置 |
CN113160564A (zh) * | 2021-04-01 | 2021-07-23 | 公安部道路交通安全研究中心 | 一种交通安全预警分析方法、装置及计算机设备 |
CN113380041A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于车路协同仿真的应用场景测试系统、方法、设备及存储介质 |
CN113918676A (zh) * | 2021-12-13 | 2022-01-11 | 腾讯科技(深圳)有限公司 | 上下行道路合并方法、装置、电子设备及存储介质 |
-
2022
- 2022-02-22 CN CN202210162682.0A patent/CN114550452B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005182646A (ja) * | 2003-12-22 | 2005-07-07 | Yagi Corporation Kk | 道路構造物の管理システム |
US20130290400A1 (en) * | 2011-01-18 | 2013-10-31 | Google Inc. | Constructing an Integrated Road Network |
CN104077326A (zh) * | 2013-03-29 | 2014-10-01 | 北京图盟科技有限公司 | 一种道路数据的处理方法及装置 |
CN104464321A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于交通运行指数发展态势的智能交通诱导方法 |
CN111613050A (zh) * | 2019-02-26 | 2020-09-01 | 阿里巴巴集团控股有限公司 | 道路数据处理方法、装置、设备及存储介质 |
CN110136435A (zh) * | 2019-04-17 | 2019-08-16 | 青岛大学 | 一种多感染阈值、多传播并存的拥堵网络化传播模型 |
CN111064817A (zh) * | 2019-12-13 | 2020-04-24 | 罗向阳 | 一种基于节点排序的城市级ip定位方法 |
CN113160546A (zh) * | 2020-01-22 | 2021-07-23 | 阿里巴巴集团控股有限公司 | 一种危险路段的识别方法及装置 |
CN112580984A (zh) * | 2020-12-22 | 2021-03-30 | 北京世纪高通科技有限公司 | 一种路网分布评估方法、装置及存储介质 |
CN113160564A (zh) * | 2021-04-01 | 2021-07-23 | 公安部道路交通安全研究中心 | 一种交通安全预警分析方法、装置及计算机设备 |
CN113380041A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于车路协同仿真的应用场景测试系统、方法、设备及存储介质 |
CN113918676A (zh) * | 2021-12-13 | 2022-01-11 | 腾讯科技(深圳)有限公司 | 上下行道路合并方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
徐耀赐: "《平面交叉路口的规划与设计》连载(二) 第二章 交叉路口分类与基本架构", 《道路交通管理》 * |
徐耀赐: "路网结构合理性之判别", 《汽车与安全》 * |
徐赐耀: "第二章 交叉路口分类与基本架构", 《道路交通管理》 * |
陈敏;: "浅析我国道路路网结构的问题及优化对策", 海峡科技与产业 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198058A (zh) * | 2023-11-01 | 2023-12-08 | 合肥师范学院 | 一种基于遥感影像的道路交通智能监管系统 |
CN117198058B (zh) * | 2023-11-01 | 2024-01-30 | 合肥师范学院 | 一种基于遥感影像的道路交通智能监管系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114550452B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
US11335191B2 (en) | Intelligent telematics system for defining road networks | |
CN113570864B (zh) | 一种电动自行车行驶路径匹配方法、设备及存储介质 | |
CN107885795A (zh) | 一种卡口数据的数据校验方法、系统和装置 | |
US20200320867A1 (en) | Traffic analytics system for defining road networks | |
US11335189B2 (en) | Method for defining road networks | |
CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
CN116071929B (zh) | 基于卡口车牌识别数据的实时路况监测系统及其方法 | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
CN112862204A (zh) | 一种路径规划方法、系统、计算机设备及可读存储介质 | |
CN114550452B (zh) | 一种道路网结构问题位置识别方法、装置和电子设备 | |
CN112418081A (zh) | 一种空地联合快速勘察交通事故的方法及系统 | |
CN112923941A (zh) | 路线规划方法、数据挖掘方法、相应的装置及电子设备 | |
CN116753935A (zh) | 地图图像处理及地图制作方法、装置、设备、存储介质 | |
CN114078322A (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
CN116295336A (zh) | 一种地图分层结构的构建方法、装置、设备及存储介质 | |
CN115497298A (zh) | 交通监测方法、装置、电子设备和存储介质 | |
CN111337043B (zh) | 一种路径的规划方法、装置、存储介质和电子设备 | |
CN109975847A (zh) | 一种浮动车辆位置确定和交通违章识别的方法和装置 | |
Dunne et al. | A large scale method for extracting geographical features on bus routes from OpenStreetMap and assessment of their impact on bus speed and reliability | |
CN114116854A (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
Bandyopadhyay et al. | GIS-based Analysis of Traffic Congestion in Midnapore Municipality | |
CN116307318B (zh) | 一种基于卡口车牌识别数据的道路流量溯源系统及其方法 | |
CN113140107B (zh) | 交通信息处理方法、装置、电子设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |